Escolar Documentos
Profissional Documentos
Cultura Documentos
Engenharia de Produção
Publicações Matemáticas
Aplicações Matemáticas em
Engenharia de Produção
Leonardo J. Lustosa
PUC-Rio - Aposentado
Fernanda M. P. Raupp
LNCC
Distribuição: IMPA
Estrada Dona Castorina, 110
22460-320 Rio de Janeiro, RJ
E-mail: ddic@impa.br
ISBN: 978-85-244-0400-9 http://www.impa.br
i i
Conteúdo
1 Introdução 3
3 Problema do jornaleiro 25
3.1 Modelo para o caso discreto . . . . . . . . . . . . . . . 26
3.2 Modelo para o caso contı́nuo . . . . . . . . . . . . . . 33
i i
i i
i i
2 CONTEÚDO
i i
i i
i i
Capı́tulo 1
Introdução
i i
i i
i i
4 [CAP. 1: INTRODUÇÃO
i i
i i
i i
Capı́tulo 2
Problema do tamanho
do lote de reposição
i i
i i
i i
i i
i i
i i
Notação
Para construir o modelo básico iremos considerar a seguinte notação:
i i
i i
i i
i i
i i
i i
Q Q
T T t
CE = AN = AD/Q, Q > 0.
Q Q
CM = H = vr.
2 2
A terceira parcela de custo é o custo anual de aquisição, CA , que,
como queremos atender toda a demanda, é a demanda anual vezes o
custo unitário do item
CA = Dv.
AD Q
CT A(Q) = + vr + Dv. (2.1)
Q 2
i i
i i
i i
dCT A AD vr
(Q) = − 2 + .
dQ Q 2
Logo, √
2AD
EOQ = . (2.2)
vr
Note que o custo de aquisição Dv poderia ter sido ignorado sem
que o resultado se alterasse. Não por acaso! Como Dv é uma cons-
tante independente da decisão, Q, ao derivarmos em relação a Q o
termo desaparece. Neste caso, dizemos que o custo de aquisição é
um custo irrelevante, i.e., ele não tem relevância para a decisão. Sim;
porque, qualquer que seja o valor unitário do item, v, o que se pagará
para adquiri-lo durante um ano será uma constante Dv e sabemos
que um ponto que minimiza uma função permanece o mesmo se a ela
somarmos uma constante ou se a multiplicarmos por uma constante
positiva. (Você é capaz de demonstrar isso?) Por simples que seja,
na prática de modelagem, eliminar de consideração, logo de saı́da,
custos irrelevantes pode simplificar muito a construção do modelo.
i i
i i
i i
TEOQ = EOQ/D.
d2 CRT 2AD
(Q) = , Q > 0,
dQ2 Q3
que, sendo positiva, mostra que a função é convexa em todo o seu
domı́nio.
Exemplo numérico 1
Deseja-se determinar o tamanho do lote econômico de um item, usando
os dados na Tabela 2.1. Considere as unidades padrão para os dados
na tabela.
Tabela 2.1:
D A v r
100 10,00 200,00 0,2
i i
i i
i i
Solução
Substituindo os valores dos parâmetros diretamente na fórmula de
EOQ, obtemos
√ √
2AD 2(10)(100)
EOQ = = = 7, 1
vr 200(0, 2)
√ √
CRT (EOQ) = 2ADvr = 2(10)(100)(200)(0, 2) = 282, 8.
800
600
$
400
EOQ
200
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Q
i i
i i
i i
Q̃ = (1 + p)EOQ,
Exercı́cio proposto 1
(Exercı́cio 5.4 do livro da referência [8]) Uma fábrica produz um dado
i i
i i
i i
i i
i i
i i
Determinação de Q∗
Para determinar o tamanho do lote ótimo do item a ser encomen-
dado, teremos que analisar três situações possı́veis.
1. Se EOQ1 ≥ Q̄, então Q∗ = EOQ1 , porque CRT (Q) = CRT1 (Q)
para Q ≥ Q̄, e por definição de EOQ1 tem-se que
CRT1 (EOQ1 ) ≤ CRT1 (Q) para todo Q.
i i
i i
i i
Observe que para esse modelo a solução encontrada foi uma solução
algorı́tmica, e não uma solução analı́tica simplesmente.
Exemplo numérico 2
Considere o caso em que um fornecedor oferece 5% de desconto para
i i
i i
i i
Tabela 2.2:
Item D v0 A r
1 104 3,10 1,50 0,24
2 416 14,20 1,50 0,24
3 4160 2,40 1,50 0,24
Solução
Como d = 0, 05, temos que v1 = v0 (1 − 0, 05) = 0, 95v0 . Vamos agora
estudar isoladamente cada item.
Item 1. Verificamos primeiramente que v1 = 2, 95, e assim
√
2(1, 50)(104)
EOQ1 = = 20, 99 < Q̄ = 100.
2, 95(0, 24)
Calculando
√
CRT (EOQ0 ) = 2(1, 50)(104)(3, 10)(0, 24) + 104(3, 10) = 337, 64,
1, 50(104) 100
CRT (Q̄) = + (2, 95)(0, 24) + 104(2, 95) = 343, 76,
100 2
verificamos que CRT (EOQ0 ) < CRT (Q̄). Logo, é melhor abrir mão
do desconto e encomendar o lote com tamanho
√
2(1, 50)(104)
EOQ0 = = 20, 48.
3, 10(0, 24)
i i
i i
i i
1, 50(416) 100
CRT (Q̄) = + (13, 49)(0, 24) + 416(13, 49) = 5.779, 96,
100 2
Como CRT (Q̄) < CRT (EOQ0 ), é melhor encomendar o tamanho
do lote de referência Q̄ = 100, garantindo o desconto. Veja a Fi-
gura 2.3(b) que ilustra esse caso.
Item 3. Verificamos primeiramente que v1 = 2, 28 e
√
2(1, 50)(4160)
EOQ1 = = 151, 02 > Q̄ = 100.
2, 28(0, 24)
Exercı́cio proposto 2
(Exercı́cio 5.9 do livro da referência [8]) Uma companhia minera-
dora rotineiramente substitui uma peça especı́fica de um certo equi-
pamento. A taxa de uso é de 40 unidades por semana. O fornecedor
da peça oferece a estrutura de preços conforme a Tabela 2.3. O
Tabela 2.3:
Quantidade Preço unitário
0 < Q < 300 10,00
300 ≤ Q 9,00
i i
i i
i i
Desafio 1
Ache a solução para o problema do lote econômico com desconto
incremental no preço unitário de um item a ser encomendado. Aqui
vão duas dicas: (a) analise o caso em que existe uma única quantidade
i i
i i
i i
i i
i i
i i
dG 1 √ Qv1 r
(Q) = ( 2ADv2 r + Dv2 ) − v1 −
dQ D D
i i
i i
i i
Exemplo numérico 3
i i
i i
i i
Q*
EOQ1
EOQ2
T1 T1 T T2 T2
Solução
Primeiramente calculamos EOQ2 e depois o tamanho do lote que
maximiza o ganho, assim:
√
2(3)(100) 20 20 − 15
EOQ2 = = 12, 2 ⇒ Q∗ = 12, 2+ 100 = 182, 9.
20(0, 2) 15 15(0, 2)
i i
i i
i i
Exercı́cio proposto 3
Um novo gerente de produção se deparou com o nı́vel de estoque dos
últimos meses de um item, tal como o da Figura 2.5 com o resultado
dos cálculos de seu antecessor.
2500
1000
900
i i
i i
i i
Capı́tulo 3
Problema do jornaleiro
Quanta comida comprar para uma festa? Quantos casacos uma loja
deve encomendar no outono para vender no inverno? Quantos jornais
um jornaleiro deve comprar para vender no dia seguinte? Todos es-
ses problemas são análogos com respeito à estrutura de seus modelos
quantitativos, estrutura essa, conhecida como “problema do jorna-
leiro”(newsboy or newsvendor problem), que tratam da determinação
da quantidade a ser encomendada de um item para um perı́odo parti-
cular com demanda incerta. Esse tipo de problema é, também, muito
frequente em análise quantitativa de contratos e gestão de rendimen-
tos em companhias de transporte aéreo e hotéis, por exemplo.
O problema do jornaleiro é simples, podendo ser enunciado como
segue: “um jornaleiro quer determinar quanto deve comprar de um
determinado jornal para vender no perı́odo em que há interesse pela
compra do jornal, mas não sabe exatamente qual será a demanda
pelo jornal. Se comprar menos do que a demanda, sua margem de
lucro fica prejudicada. Se comprar a mais, no dia seguinte, terá que
devolver a sobra a um preço unitário inferior ao que ele pagou, o que
também prejudica sua margem de lucro”. Aqui, estamos supondo
que ninguém vai querer comprar jornal que não seja do dia, e conse-
quentemente o estoque remanescente perde parte de seu valor.
Talvez esse problema seja satisfatoriamente resolvido de forma
intuitiva pelo jornaleiro, que raramente sabe trabalhar com proba-
bilidades. Supondo que o custo de uma falta seja maior do que o
25
i i
i i
i i
custo unitário do jornal, que por sua vez é maior que o custo de uma
sobra, uma ideia é inicialmente superestimar a demanda, e ajustá-la
até chegar a um patamar satisfatório.
Outra alternativa é resolvermos o problema através de um modelo
matemático em que a demanda incerta é expressa por uma variável
aleatória com distribuição de probabilidade conhecida. Essa aborda-
gem usando estatı́stica apresenta vantagens sobre o método empı́rico
utilizado pelos jornaleiros, quando o problema envolve custos eleva-
dos e é resolvido repetitivamente com dados diferentes, como nas
companhias aéreas e em hotéis. Com esse objetivo, vamos estudar o
problema, considerando primeiramente a demanda como uma variável
aleatória discreta e depois como contı́nua.
cf custo incorrido por cada unidade do item que vier a faltar ($)
cs custo incorrido por cada unidade do item que vier a sobrar ($)
Q quantidade do item a ser encomendada, suposta não negativa,
para um perı́odo particular (unidades)
X variável aleatória não negativa que representa a demanda pelo
item no perı́odo particular (unidades)
p(x) probabilidade da demanda assumir o valor x, e, como não faz
sentido demanda negativa, supomos p(x) = 0 para todo x < 0
F (x) função de distribuição de probabilidade acumulada da demanda.
i i
i i
i i
∑
3. O seu valor esperado é dado por E[X] = xi p(xi ), onde xi ∈
Ω.
Em geral, é difı́cil provar que E[C(Q)] tem um mı́nimo, uma vez que
os limites dos somatórios dependem de Q. Entretanto, é intuitivo
que, na prática, o custo total esperado seja convexo e unimodal.
Supondo por hipótese que existe um ponto de mı́nimo para o custo
total esperado, sabemos que a quantidade ótima a ser encomendada,
Q∗ > 0, deve satisfazer a condição de otimalidade, i.e.,
i i
i i
i i
Exemplo numérico 4
(Aplicação em evento temporário)
Um organizador de evento cientı́fico tem que decidir sobre quantos
CDs com os trabalhos do evento deve encomendar. Ele não sabe exa-
tamente quantas pessoas irão se inscrever no evento, porém sabe que
cada CD custa R$1,00. Se encomendar menos do que o número de
inscritos, terá que fazer novos CDs e enviá-los depois por correio aos
participantes. Isso custará a mais R$1,25 em adição ao preço nor-
mal por unidade que faltar. Se ele encomendar em excesso, os CDs
que sobrarem serão descartados sem receber qualquer valor. De sua
experiência de vários anos nesse trabalho, ele consegue boas estima-
tivas para as possı́veis demandas e suas probabilidades de ocorrência,
i i
i i
i i
Tabela 3.1:
dem prob prob acum
100 0,15 0,15
150 0,20 0,35
200 0,30 0,65
250 0,20 0,85
300 0,15 1,00
Solução
Neste exemplo, a dificuldade está em determinar os custos de faltar
e de sobrar. Suponhamos que o organizador tenha encomendado
Q unidades do CD e que terá que entregar x unidades do CD. Se
sobrar CDs, ele perde R$1,00 por cada unidade que pagou além de
x. Caso contrário, se faltar, o organizador terá que pagar R$2,25
(R$1,00+R$1,25) por cada unidade de CD faltante. Logo, cf = 2, 25
e cs = 1, 00, e assim sabe-se que o valor ótimo Q∗ é o menor valor
de Q que satisfaz F (Q) > cf /(cs + cf ) = 2, 25/(1, 00 + 2, 25) = 0, 69.
Da Tabela 3.1 verificamos que, para a desigualdade F (Q) > 0, 69 ser
satisfeita, segue que F (Q∗ ) = 0, 85, ou seja, Q∗ = 250 CDs. Isso
significa que, se o organizador encomendar 250 CDs para esse evento,
i i
i i
i i
o seu custo total esperado será mı́nimo. Vamos ao cálculo desse custo:
∑ ∑
E[C(Q∗ )] = cs (Q∗ − x)p(x) + cf (x − Q∗ )p(x)
x≤Q∗ x≥Q∗
∑ ∑
= 1, 00 (250 − x)p(x) + 2, 25 (x − 250)p(x)
x≤250 x≥250
= 1, 00(250 − 100)p(100) + 1, 00(250 − 150)p(150)
∑
1, 00(250 − 200)p(200) + 2, 25 (300 − 250)p(300)
x≥250
150(0, 15) + 100(0, 20) + 50(0, 30) + 2, 25(50)(0, 15)
= 22, 5 + 20 + 15 + 16, 875 = 74, 375.
Exemplo numérico 5
(Aplicação em gestão de rendimentos (revenue management))
Um determinado voo de uma pequena companhia aérea tem 10 as-
sentos disponı́veis. A tarifa plena de R$500,00 é cobrada para cada
assento. O custo marginal de ocupar um assento é R$100,00, ou seja,
a cada assento ocupado, a empresa gasta adicionalmente R$100,00.
A empresa sabe que a maioria dos seus clientes são executivos, que
são insensı́veis a descontos na tarifa. Uma alternativa para vender
todos os assentos é bloquear assentos para uma agência de turismo.
A agência de turismo garante, com uma semana de antecedência, a
compra de qualquer quantidade de assentos no voo com um desconto
de R$150,00 sobre a tarifa plena. Falta uma semana para o voo e a
empresa não sabe ao certo quantos bilhetes poderá vender à tarifa
plena, mas de dados históricos do mesmo voo em dias similares pode
estimar a distribuição da demanda conforme a Tabela 3.2.
Solução
Vamos pensar em termos de reserva de assentos para venda à tarifa
plena pela companhia aérea. Assim, se reservar mais assentos do
que a demanda de executivos, vai sobrar assentos vazios, ou seja, a
companhia vai deixar de ganhar a tarifa com desconto da agência,
deduzido o custo marginal de ocupação
i i
i i
i i
Tabela 3.2:
demanda prob prob acum
0 0,06 0,06
1 0,09 0,15
2 0,10 0,25
3 0,15 0,40
4 0,20 0,60
5 0,15 0,75
6 0,10 0,85
7 0,06 0,91
8 0,05 0,96
9 0,03 0,99
10 0,01 1,00
Exercı́cio proposto 4
O gerente de suprimentos da Fábrica de Matrizes Leibnitz Ltda. faz
periodicamente encomendas de um item necessário à fabricação de
diversas matrizes para estampar peças automotivas. Uma vez feitas
as encomendas, demora um certo tempo (tempo de reposição, ou lead
time) até que elas estejam disponı́veis para consumo na produção. O
fornecedor se esforça para entregar dentro de um prazo combinado,
mas devido a dificuldades existentes no transporte ou na fábrica,
i i
i i
i i
Tabela 3.3:
x unids. 0-14 15-16 17-18 19-20 21-22 23-24 25-26
i i
i i
i i
i i
i i
i i
∫
3. O seu valor esperado é dado por E[X] = xf (x)dx =
∫ +∞ x∈Ω
−∞
xf (x)dx.
∫ Q ∫ +∞
E[C(Q)] = cs (Q − x)f (x)dx + cf (x − Q)f (x)dx
−∞ Q
∫ Q ∫ +∞
= cs (Q − x)f (x)dx + cf (x − Q)f (x)dx
−∞ Q
∫ Q ∫ Q
= cs Q f (x)dx − cs xf (x)dx +
−∞ −∞
∫ +∞ ∫ +∞
cf xf (x)dx − cf Q f (x)dx
Q Q
∫ Q
= cs QF (Q) − cs xf (x)dx
−∞
∫ +∞
+cf xf (x)dx − cf Q(1 − F (Q)).
Q
∫x
• Para F (x) = −∞
f (t)dt, segue que F ′ (x) = f (x),
∫ h(x)
• Aplicando a regra da cadeia para derivar F (x) = g(x)
f (t)dt,
tem-se que F ′ (x) = h′ (x)f (h(x)) − g ′ (x)f (g(x)).
i i
i i
i i
Exemplo numérico 6
(Aplicação em análise quantitativa de contratos)
Uma empresa quer fazer um contrato de serviço de manutenção do
tipo take-or-pay, ou seja, ela paga antecipadamente por Q horas de
serviço a um preço unitário v. Caso ela utilize menos que Q horas
contratadas, ela não terá nenhum reembolso, mas se ela utilizar mais
que Q horas, passará a pagar um preço unitário v̄ > v. Sabendo-se
que a demanda pelo serviço tem distribuição normal com média µ e
desvio-padrão σ, qual o número de horas contratadas que minimiza
o custo de manutenção?
Solução
Suponha que a empresa contratou Q horas ao custo unitário v. Para
cada hora que contratou além da demanda (ou seja, hora contratada
que irá sobrar), a empresa terá perdido cs = v por hora contratada.
Para cada hora que tiver contratado a menos da demanda (ou seja,
hora contratada que irá faltar) vai ter um custo por hora contratada
de cf = v̄. Temos então a seguinte condição para a função distri-
buição normal padronizada:
( ∗ )
∗ Q −µ
F (z ) = Φ = cf /(cs + cf ) = v̄/(v + v̄),
σ
i i
i i
i i
Exercı́cio proposto 5
(Aplicação em gestão de rendimentos)
Um hoteleiro está vendendo um pacote de fim de ano. Como quase
sempre ocorrem desistências de última hora, ele deseja fazer uma “so-
brevenda” ou overbooking (prática de ofertar acima da capacidade),
ou seja, vender mais hospedagens do que pode acomodar. O número
de desistências pode ser bem representado por uma variável normal
com média 5 e desvio padrão igual a 2. O preço de um pacote é
R$1.200,00, mas cada pacote lhe custa em banquete, bebidas e ou-
tros custos, R$400,00. Se por acaso vier a faltar quartos (devido
a um eventual baixo número de desistências), ele terá que acomo-
dar o hóspede num outro hotel de melhor qualidade, o que é sempre
possı́vel, mas lhe custará R$3.200,00. Quantos pacotes ele deverá
vender além do número máximo que pode acomodar no seu próprio
hotel?
i i
i i
i i
Capı́tulo 4
Problema de
planejamento da
produção
37
i i
i i
i i
i i
i i
i i
Exemplo numérico 7
Uma marcenaria produz mesas e cadeiras. Cada mesa é vendida a
1000 reais e cada cadeira a 400 reais. Os recursos principais são mão-
de-obra e madeira. Para produzir uma mesa são necessárias 4h de
mão-de-obra e 6 unidades de madeira. Já para produzir uma cadeira
necessitam-se de 7h de mão-de-obra e 3 unidades de madeira. Ao todo
estão disponı́veis 42h de mão-de-obra e 50 unidades de madeira. Tudo
que é produzido pela marcenaria é vendido. A marcenaria deseja
encontrar um plano de produção que maximize a sua receita.
Solução
Em primeiro lugar, vamos treinar o processo de modelagem de proble-
mas. Para isso, temos que categorizar conjuntos e ı́ndices de entida-
des, dados ou parâmetros, variáveis de decisão, restrições e objetivo,
nesta ordem. Para o problema da marcenaria, temos:
i i
i i
i i
Conjuntos e ı́ndices
I, i ∈ I conjunto de itens (mesa e cadeira) a serem produzidos pela marcena-
ria, |I| = n = 2;
J, j ∈ J conjunto de recursos de produção (mão-de-obra e madeira) da marce-
naria, |J| = m = 2.
Parâmetros
c1 = 1000 preço unitário da mesa;
c2 = 400 preço unitário da cadeira;
a11 = 4 horas de mão-de-obra necessárias para produzir 1 mesa;
a12 = 7 horas de mão-de-obra necessárias para produzir 1 cadeira;
a21 = 6 unidades de madeira necessárias para produzir 1 mesa;
a22 = 3 unidades de madeira necessárias para produzir 1 cadeira;
b1 = 42 disponibilidade de mão-de-obra em horas;
b2 = 50 disponibilidade de madeira em unidades.
Variáveis de decisão
x1 quantidade a ser produzida de mesas,
x2 quantidade a ser produzida de cadeiras.
Restrições
As disponibilidades dos recursos devem ser consideradas como limi-
tantes no uso desses recursos.
As quantidades de mesas e cadeiras a serem produzidas não podem
ser negativas: x1 ≥ 0, x2 ≥ 0.
Objetivo
Tem-se que maximizar a receita da marcenaria: z = 1000x1 + 400x2 .
i i
i i
i i
i i
i i
i i
X2
16,7
6x 1 + 3x2 50
R 4x 1 + 7x2 42
8,3 10,5 x1
i i
i i
i i
X2
16,7
8,3 10,5 x1
i i
i i
i i
X2
16,7
4x1 - x2 = 0
6x 1 + 3x2 50
6
4 R
4x 1 + 7x2 42
1 8,3 10,5 x1
i i
i i
i i
X2
16,7
6
4 R
1 8,3 10,5 x1
minimizar c1 x1 + c2 x2 + . . . + cn xn
sujeito a a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
..
.
am1 x1 + am2 x2 + . . . + amn xn = bm
x1 ≥ 0, x2 ≥ 0, . . . , xn ≥ 0,
i i
i i
i i
minimizar cT x
sujeito a Ax = b
x ≥ 0,
i i
i i
i i
Conjunto e ı́ndice:
T = {1, 2, ..., n}, t ∈ T , o horizonte de planejamento T é composto
i i
i i
i i
Restrições:
A demanda prevista a cada perı́odo deve ser satisfeita.
Estoques no inı́cio e no fim do horizonte de planejamento são nulos.
As quantidades produzidas e estocadas devem ser não negativas.
Modelo matemático
∑n
minimizar t=1 pt xt + qt yt + ht st (4.1)
sujeito a st−1 + xt = dt + st ∀t (4.2)
s0 = sn = 0 (4.3)
xt ≤ Mt yt ∀t (4.4)
xt ≥ 0, st ≥ 0 ∀t (4.5)
yt ∈ {0, 1} ∀t. (4.6)
i i
i i
i i
Exemplo numérico 8
Considere o problema de dimensionamento de lotes de um item sem
i i
i i
i i
Solução
Dos dados da instância, sabemos que o número total∑de perı́odos do
3
horizonte de planejamento é 3. Vamos adotar Mt = k=t dk . Então
o modelo fica:
minimizar 5x1 + 5x2 + 5x3 + 30y1 + 20y2 + 10y3 + 2s1 + 2s2 + 2s3
sujeito a s0 + x1 = 90 + s1
s1 + x2 = 110 + s2
s2 + x3 = 100 + s3
s0 = 0
s3 = 0
x1 ≤ 300y1
x2 ≤ 210y2
x3 ≤ 100y3
x 1 , x2 , x3 ≥ 0
s1 , s2 , s3 ≥ 0
y1 , y2 , y3 ∈ {0, 1}.
Exercı́cio proposto 6
Considere o problema de dimensionamento de lotes de um item sem
limitação da capacidade de produção num horizonte de planejamento
multi-perı́odo. Monte o modelo matemático, sabendo que o item não
pode ser estocado.
i i
i i
i i
Exercı́cio proposto 7
No modelo básico (4.1)-(4.6), visto acima, o que acontece com o re-
sultado do modelo se trocarmos os sinais de igualdade das restrições
(4.2) por sinais de desigualdade do tipo ≥ ?
Exercı́cio proposto 8
Prove que o modelo básico (4.1)-(4.6), com estoques e sem limitação
de capacidade de produção, é sempre viável, i.e., sempre tem ao me-
nos uma solução.
Desafio 2
Formulação com estoque cumulativo. Mostre que uma formulação
matematicamente equivalente pode ser obtida substituindo o grupo
de restrições (4.2) por outro grupo, digamos (4.2’), que impõe que a
cada perı́odo tudo o que havia como estoque inicial (zero, de acordo
com a hipótese aqui feita) mais tudo o que foi produzido até o perı́odo
tem que ser igual a soma cumulativa da demanda até o perı́odo mais
o estoque existente no final do perı́odo.
i i
i i
i i
Restrições:
A demanda prevista deve ser satisfeita a cada perı́odo.
Estoques são nulos no inı́cio e fim do horizonte de planejamento.
Existe capacidade de produção limitada a cada perı́odo.
Ainda, quantidades produzidas e estocadas não podem ser negativas.
∑n
minimizar t=1 pt xt + qt yt + ht st
sujeito a st−1 + xt = dt + st ∀t
s0 = sn = 0
xt ≤ Mt yt ∀t
αt xt + βt yt ≤ Ct ∀t (4.7)
xt ≥ 0, st ≥ 0 ∀t
yt ∈ {0, 1} ∀t.
Exercı́cio proposto 9
Considere que, além da limitação máxima de tempo de produção,
também existe limite máximo de unidades produzidas de itens por
perı́odo. Adeque o modelo a essa nova condição.
Desafio 3
Em alguns casos, a preparação para a produção consiste em apenas
preaquecer um forno. A existência de produção num perı́odo, significa
que o forno termina o perı́odo ainda aquecido. Então, no perı́odo
seguinte, com o forno já aquecido, pode haver produção sem que seja
necessária uma preparação. Mantendo a linearidade do modelo com
relaxação linear, modifique o modelo para incluir esta caracterı́stica
da realidade.
i i
i i
i i
Conjuntos e ı́ndices:
T = {1, 2, ..., n}, t ∈ T , conjunto de perı́odos do horizonte de plane-
jamento,
I = {1, 2, ..., m}, i ∈ I, conjunto de itens (distintos) a serem produ-
zidos.
Variáveis de decisão:
xit unidades do item i a serem produzidas no perı́odo t,
yit indica se existe produção do item i no perı́odo t (yit = 1),
ou não (yit = 0),
sit unidades do item i a serem estocadas ao final do perı́odo t.
Restrições:
i i
i i
i i
Conjuntos:
I conjunto dos itens acabados a serem produzidos (i ∈ I),
i i
i i
i i
Parâmetros:
Restrições:
Satisfação da demanda.
Limitação de capacidade em termos do tempo disponı́vel para produção.
Não negatividade das quantidades dos itens a serem produzidos e es-
tocados.
i i
i i
i i
∑m ∑n
minimizar i=1 t=1 pit xit + qit yit + hit sit
sujeito a si,t−1 + xit = dit + sit ∀i, ∀t
si0 = sin = 0 ∀i
xit ≤ Mit yit ∀i, ∀t
∑m
i=1 αit xit ≤ Ct ∀t
xit ≥ 0, sit ≥ 0 ∀i, ∀t
yit ∈ {0, 1} ∀i, ∀t.
Exemplo numérico 9
Para o modelo que acabamos de apresentar, considere os valores dos
parâmetros que se encontram na Tabela 4.1. Ainda, considere co-
nhecida uma solução viável com os seguintes valores para xit e sit
na Tabela 4.2. Calcule o valor do custo total relativo a essa solução
viável.
Tabela 4.1:
dit t=1 t=2 t=3 t=4 hi qi αi pi
i=1 30 25 25 20 25 900 1 1
i=2 10 20 15 20 10 850 1 1
Ct 100 100 100 100
Solução
Para os valores conhecidos dos parâmetros e das variáveis (note que
os valores de yit podem ser obtidos diretamente dos valores de xit ),
i i
i i
i i
Tabela 4.2:
xit t=1 t=2 t=3 t=4 sit t=1 t=2 t=3 t=4
i=1 55 0 45 0 i=1 25 0 20 0
i=2 45 0 0 20 i=2 35 15 0 0
Exercı́cio proposto 10
O modelo desenvolvido acima considera o custo, mas não tempo de
produção perdido com preparação. Inclua no modelo esse detalhe
adicional.
i i
i i
i i
Desafio 4
A partir do modelo proposto acima, faça as alterações necessárias
para que possa haver backlogging ou pendência. Inclua um custo de
“perda de imagem” constante para cada unidade do item que ficar
em atraso. Note que haverá necessidade de se criar uma variável para
representar a quantidade em atraso em cada perı́odo e que a equação
de balanço de estoques terá que incluir duas dessas variáveis, que são
como “estoques negativos”.
i i
i i
i i
Capı́tulo 5
Comentários adicionais
e conclusão
59
i i
i i
i i
i i
i i
i i
Bibliografia
[4] Lev, B.; Soyster, A.L.. An Inventory Model with Finite Horizon
and Price Changes, The Journal of the Operational Research So-
ciety, Vol. 30, No. 1, pp. 43–53, 1979.
[5] Naddor, E.. Inventory Systems, Nova York: John Wiley and Sons,
1966.
[6] Nahmias, S.; Olsen, T.L.. Production and operations analysis, 7a.
Edição. Long Grove, Illinois: Waveland Press, 2015.
[8] Silver, E.A.; Pike, D.F.; Peterson, R.. Inventory Management and
Production Planning, 3a. Edição. NewYork: Wiley, 1998.
61
i i
i i
i i
62 BIBLIOGRAFIA
i i
i i